谷歌推出 AI 天气预报模型 WeatherNext 2：速度提升 8 倍，在 99.9% 变量上超越前代

11 月 18 日消息，天气变化影响着全球供应链、航班路径以及日常通勤等各类决策，而近年来人工智能不断提升预报能力，也改变了人们获取与使用天气资讯的方式。

当地时间周一，Google DeepMind 与 Google Research 宣布推出全新天气预测模型 WeatherNext 2，被誉为目前最先进且最高效的一代 AI 天气预报系统。

据谷歌官方介绍，WeatherNext 2 的运算速度较前代提升约 8 倍，并可生成分辨率精细到 1 小时级别的预测结果。其主要突破来自能够提供数百种可能情境的新模型架构，过去团队也已利用此类技术在实验性气旋预测中协助气象机构进行多情境分析。

此次发布标志研究成果首次正式面向用户开放。WeatherNext 2 的预测数据现已上线 Earth Engine 与 BigQuery，同时 Google Cloud 的 Vertex AI 也启动早期体验计划，允许用户执行自定义模型推理。

此外，谷歌也将 WeatherNext 技术整合至旗下多项服务，包括 Search、Gemini、Pixel Weather 与 Google Maps Platform 的 Weather API，并将在未来几周进一步应用于 Google Maps 的天气信息。

据介绍，新模型能够从单一起始状态推演出数百种可能的天气发展，每条推演在单个 TPU 上仅需不到一分钟，而采用传统基于物理的超级计算模型则可能需要数小时。

官方指出，WeatherNext 2 在 0 至 15 天的预报时段中，于 99.9% 的变量上全面超越前代，包括温度、风速、湿度等，并可提供更高分辨率的结果。

其性能跃升得益于一种名为 Functional Generative Network（FGN）的全新 AI 建模方式，该方法在模型架构中直接注入“噪声”，以确保生成的预测维持物理上的合理性与内在关联性。此方式对于气象学上所谓的“边际”（marginals）与“联合”（joints）预测尤其关键。边际指单一的个别气象要素，如某地的精确气温、特定高度的风速或湿度；而联合则是由这些边际构成的大型且复杂的系统，如高温影响区域或整座风电场的预期发电量。官方表示，模型仅以边际数据进行训练，但却能够有效推算联合系统，这是其方法的独特之处。

谷歌表示，WeatherNext 2 把前沿研究带入实际应用场景，并将持续推进这一技术的发展，包括探索整合更多数据来源与进一步扩大访问范围。通过提供强大的工具与开放的数据，公司希望支持研究人员、开发者与企业在面对复杂问题时做出更有依据的决策，并推动未来相关领域的进展。

附官网地址：
https://deepmind.google/science/weathernext/